Избранное трейдера Антон Б
Привет, продолжаем тестировать факторные стратегии на нашем рынке. В зоопарке стратегий уже можно посмотреть на Value и Momentum тут https://smart-lab.ru/blog/609357.php и тут https://smart-lab.ru/blog/611263.php Сейчас мы протестировали фундаментальную Profitability и вот что из этого получилось:
Источник: Sentimetrica
В этот раз мы возьмем фундаментальную Profitability и реализуем ее в долгосрочном формате. Покупаем акции в портфель на основе ROE, рассчитанной из годовой отчетности, и держим год до выхода следующего годового отчета. Технически, исследование несложное, но мелких деталей очень много и важно себя не обмануть при тестировании. Например, не подсмотреть то, что ты не мог знать в прошлом в этот момент времени.
База из 552 компаний и определение ликвидных акций аналогично предыдущим бэктестам. Немного новой матчасти:
ROE – это отношение чистой прибыли к собственному капиталу. В отличие от просто чистой прибыли, по ROE удобно сравнивать компании между собой. Нечитаемым показатель становится при отрицательном собственном капитале. К счастью, с ликвидными компаниями такое случается нечасто (Мечел). Тут все понятно.
Решил начать писать небольшие заметки по алгоритмической торговле и всему что с ней связано. Возможно, когда-нибудь расширю, склею и опубликую в виде книжки. Пока же это просто наброски заметок, сделанные на скорую руку.
Можно часто слышать от тех, кто торгует алгоритмически, да и просто систематически, такие понятия как «оверфиттинг», «курвафиттинг», «зафит» и прочие ругательства с корнем «фит». Что все это значит?
На самом деле, все эти слова, как правило, используются для описания одного и того же явления, являющегося врагом всех трейдеров, торгующих систематически и пытающихся оценить исторический перформанс своих торговых логик — а именно, что «живой» аут-оф-сампл перформанс на реальном счете, как правило, хуже ожиданий, полученных ими при проверке своих идей на истории. Например, при тестировании торговой логики на истории трейдер с помощью своей модели «зарабатывал» 30% годовых, а в реале может в среднем иметь 10% годовых. Разница 20% годовых — может объясняться именно оверфиттингом (если нет других факторов — например, некорректный учет комиссионных и проскальзываний, или ошибка в торговом коде; но прочие факторы легко устранить, в отличие от оверфиттинга). На картинке в начале статьи — пример перформанса некоторого фонда в бэктесте и в реальности, наглядно иллюстрирующий написанное выше.
Оверфиттинг является следствием комбинации одного или нескольких из следующих факторов, положительно влияющих на бэктест (результаты прогонки модели на истории), что и создает у трейдера завышенные ожидания от своей модели. В этой части мы рассмотрим основные источники оверфиттинга, в следующей — поговорим о способах избежания или минимизации оверфиттинга при историческом тестировании моделей.